粗糙集理论介绍问题的提出:知识的含糊性 术语的模糊性,如高矮 数据的不确定性,如噪声 知识自身的不确定性,如规则的前后件间的 依赖关系不完全可靠 不完备性,数据缺失由此,提出了包括 概率与统计、证据理论:理论上还难以令人信服 ,不能处理模糊和不完整的数据 模糊集合理论:能处理模糊类数据,但要提供隶属 函数(先验知识) 粗糙集理论:能处理具有不精确性和不确定性的知 识 等各种理论和方法 模糊集和基于概率方法,有时需要一些数据的 附加信息或先验知识, 如模糊隶属函数,基本概率 指派函数和有关统计概率分布等, 而这些信息有 时并不容易得到 粗糙集无需提供问题所需处理的数据集合之外 的任何先验信息, 所以对问题的不确定性的描述 或处理可以说是比较客观的 粗糙集理论的历史 20世纪70 年代, 波兰数学家Z. Pawlak 和一些 波兰科学院,波兰华沙大学的逻辑学家们,一起从 事关于信息系统逻辑特性的研究. 1982. Z.Pawlak发表论文“Rough Set”.宣告RS 的诞生 1991. Z.Pawlak出版著作“Rough Sets: Theoretical Aspects of Re